大便常規(guī)是臨床三大常規(guī)檢測之一,主要用于消化系統(tǒng)等相關(guān)疾病的診斷。臨床已實(shí)現(xiàn)血常規(guī)、尿常規(guī)的自動識別檢驗(yàn),但由于標(biāo)本成分復(fù)雜,大便常規(guī)檢驗(yàn)的自動化檢驗(yàn)技術(shù)一直不成熟,檢驗(yàn)過程基本由手工完成,檢測結(jié)果具有一定的主觀性且檢測速度慢。本研究主要針對低倍率（20倍目鏡系統(tǒng)采集）糞便鏡檢圖像的特點(diǎn),設(shè)計(jì)一種基于低維特征條件的無標(biāo)記紅白細(xì)胞識別與分類算法,不僅能保證識別準(zhǔn)確率,也能為提高識別速度提供可能。主要工作如下:1.分析當(dāng)前顯微鏡檢圖像研究現(xiàn)狀以及低倍率下采集到的糞便鏡檢圖像與常規(guī)采集圖像的不同特點(diǎn),決定在參考目前顯微鏡檢圖像細(xì)胞自動分析方法的基礎(chǔ)上,再根據(jù)低倍率糞便鏡檢圖像的特點(diǎn),對圖像進(jìn)行自動識別與分析研究。2.設(shè)計(jì)一種多信息、多方法的細(xì)胞圖像綜合分割方法。首先針對低倍率糞便鏡檢圖像弱邊緣問題,將R、G和B通道圖像邊緣檢測結(jié)果融合互補(bǔ),并通過形態(tài)學(xué)方法完善,充分利用彩色空間信息完成初步分割;然后針對細(xì)胞粘連問題,設(shè)計(jì)一種基于迭代腐蝕的標(biāo)記分水嶺分割方法,完成粘連細(xì)胞分割;最后融合初步分割和粘連細(xì)胞分割結(jié)果得到最終分割圖像,很好地完成了對紅白細(xì)胞的分割。3.運(yùn)用基于改進(jìn)的低維特征向量SVM... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
注釋表
第1章 引言
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 鏡檢細(xì)胞識別系統(tǒng)研究現(xiàn)狀
        1.2.2 圖像處理技術(shù)研究現(xiàn)狀
        1.2.3 支持向量機(jī)技術(shù)研究現(xiàn)狀
    1.3 課題研究難點(diǎn)
    1.4 論文主要工作及結(jié)構(gòu)
        1.4.1 論文主要工作
        1.4.2 論文組織結(jié)構(gòu)
第2章 糞便鏡檢圖像預(yù)處理與分割
    2.1 糞便鏡檢圖像概述
        2.1.1 糞便鏡檢圖像的特點(diǎn)
        2.1.2 糞便鏡檢圖像紅白細(xì)胞特點(diǎn)
    2.2 糞便鏡檢圖像預(yù)處理
        2.2.1 圖像去噪方法
        2.2.2 圖像增強(qiáng)方法
        2.2.3 預(yù)處理方法流程
    2.3 糞便鏡檢圖像分割
        2.3.1 基于邊緣檢測的圖像分割
        2.3.2 基于數(shù)學(xué)形態(tài)學(xué)的圖像分割
        2.3.3 連通區(qū)域標(biāo)記
        2.3.4 粘連細(xì)胞分割
    2.4 分割算法綜合與分析
        2.4.1 分割算法流程
        2.4.2 分割實(shí)驗(yàn)結(jié)果與分析
    2.5 本章小結(jié)
第3章 糞便鏡檢圖像特征選擇和提取
    3.1 顯微細(xì)胞圖像有形成分常用特征
        3.1.1 幾何形狀特征
        3.1.2 灰度統(tǒng)計(jì)特征
        3.1.3 紋理特征
    3.2 紅白細(xì)胞特征選擇和提取
        3.2.1 形狀特征選擇
        3.2.2 Canny算子特征選擇
        3.2.3 改進(jìn)的低維特征組合
    3.3 特征提取實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第4章 糞便鏡檢圖像紅白細(xì)胞識別
    4.1 鏡檢圖像細(xì)胞識別概述
    4.2 基于支持向量機(jī)的細(xì)胞自動識別
        4.2.1 支持向量機(jī)原理
        4.2.2 基于支持向量機(jī)的細(xì)胞識別實(shí)驗(yàn)
    4.3 基于BP神經(jīng)網(wǎng)絡(luò)的細(xì)胞自動識別
        4.3.1 BP神經(jīng)網(wǎng)絡(luò)原理
        4.3.2 基于BP神經(jīng)網(wǎng)絡(luò)的細(xì)胞識別實(shí)驗(yàn)
    4.4 紅白細(xì)胞識別實(shí)驗(yàn)與結(jié)果分析
        4.4.1 識別實(shí)驗(yàn)設(shè)置
        4.4.2 SVM和BP神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)對比
        4.4.3 常用特征與改進(jìn)低維特征組合實(shí)驗(yàn)對比
        4.4.4 紅白細(xì)胞整體識別結(jié)果對比
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 課題展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]基于小波變換和多尺度形態(tài)學(xué)的圖像邊緣檢測[J]. 徐劍鋒,彭亞雄.  移動通信. 2017(24)
[2]基于迭代腐蝕的粘連細(xì)胞圖像分割研究[J]. 王鑫,胡洋洋,楊慧中.  南京理工大學(xué)學(xué)報. 2016(03)
[3]基于貝葉斯證據(jù)框架下SVM的油層識別模型研究[J]. 夏莘媛,戴靜,潘用科,韓揚(yáng).  重慶郵電大學(xué)學(xué)報(自然科學(xué)版). 2016(02)
[4]基于形態(tài)學(xué)的顯微細(xì)胞圖像處理與應(yīng)用[J]. 楊小青,楊秋翔,楊劍.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2016(03)
[5]淺論進(jìn)行糞便常規(guī)檢查的方法及臨床意義[J]. 甄曉菊.  當(dāng)代醫(yī)藥論叢. 2015(16)
[6]顯微細(xì)胞圖像有形成分自動識別[J]. 漆鵬杰,劉秀波,仲兆準(zhǔn),管淼,謝光偉.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2015(05)
[7]顯微細(xì)胞圖像分析方法的研究進(jìn)展[J]. 劉志文,安興,李衡,時永剛,黃亞麗,楊婷.  北京理工大學(xué)學(xué)報. 2014(05)
[8]基于多顏色空間特征融合的彩色白細(xì)胞圖像識別[J]. 郝連旺,洪文學(xué).  生物醫(yī)學(xué)工程學(xué)雜志. 2013(05)
[9]基于改進(jìn)分水嶺算法和凹點(diǎn)搜索的乳腺癌粘連細(xì)胞分割[J]. 童振,蒲立新,董方杰.  生物醫(yī)學(xué)工程學(xué)雜志. 2013(04)
[10]基于圖像處理的尿有形成分的識別[J]. 胡曉麗.  微型機(jī)與應(yīng)用. 2012(05)

碩士論文
[1]人體糞便中的生物細(xì)胞自動識別技術(shù)的研究[D]. 雷皓婷.電子科技大學(xué) 2016
[2]糞便中有型成分顯微圖像的自動識別技術(shù)研究[D]. 袁陽.電子科技大學(xué) 2016
[3]基于機(jī)器視覺的顯微細(xì)胞圖像有形成分自動識別研究[D]. 漆鵬杰.蘇州大學(xué) 2015
[4]基于Hough變換的醫(yī)學(xué)顯微細(xì)胞檢測技術(shù)研究[D]. 陸路.湘潭大學(xué) 2015
[5]人體糞便鏡檢圖像自動分割與識別算法研究[D]. 馬顯芳.華中科技大學(xué) 2015
[6]基于模糊聚類的糞便鏡檢圖像識別研究[D]. 陳國一.西安工業(yè)大學(xué) 2014
[7]顯微鏡細(xì)胞特征提取及識別[D]. 謝雅婷.湘潭大學(xué) 2012
[8]基于機(jī)器視覺的人眼生物信息獲取技術(shù)的研發(fā)與仿真[D]. 胡文靜.哈爾濱理工大學(xué) 2010
[9]基于人工神經(jīng)網(wǎng)絡(luò)的血液細(xì)胞圖像分割方法研究[D]. 王傳永.天津理工大學(xué) 2005



本文編號：3180583